#完成pdf到TXT轉變了，無法完成TXT到Excel轉變

import xlwt  # 寫入檔案
import xlrd  # 開啟excel檔案
from xlutils.copy import copy

import os
import re
import sys
import importlib
import threading

importlib.reload(sys)
from pdfminer.pdfparser import PDFParser, PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import PDFPageAggregator
from pdfminer.layout import LTTextBoxHorizontal, LAParams
from pdfminer.pdfinterp import PDFTextExtractionNotAllowed

import logging

# 解析PDF檔案，轉為txt格式
def parsePDF(PDF_path, TXT_path):
    with open(PDF_path, 'rb')as fp:  # 以二進位制讀模式開啟
        praser = PDFParser(fp)  # 用檔案物件來建立一個pdf文件分析器
        doc = PDFDocument()  # 建立一個PDF文件
        praser.set_document(doc)  # 連線分析器與文件物件
        doc.set_parser(praser)

        # 提供初始化密碼
        # 如果沒有密碼 就建立一個空的字串
        doc.initialize()

        # 檢測文件是否提供txt轉換，不提供就忽略
        if not doc.is_extractable:
            raise PDFTextExtractionNotAllowed
        else:
            rsrcmgr = PDFResourceManager()  # 建立PDf 資源管理器 來管理共享資源
            laparams = LAParams()  # 建立一個PDF裝置物件
            device = PDFPageAggregator(rsrcmgr, laparams=laparams)
            interpreter = PDFPageInterpreter(rsrcmgr, device)  # 建立一個PDF直譯器物件

            # 迴圈遍歷列表，每次處理一個page的內容
            for page in doc.get_pages():  # doc.get_pages() 獲取page列表
                interpreter.process_page(page)
                layout = device.get_result()  # 接受該頁面的LTPage物件
                # 這裡layout是一個LTPage物件 裡面存放著 這個page解析出的各種物件 一般包括LTTextBox, LTFigure, LTImage, LTTextBoxHorizontal 等等 想要獲取文字就獲得物件的text屬性，
                for x in layout:
                    #print(x)
                    if isinstance(x, LTTextBoxHorizontal):
                        with open(TXT_path, 'a', encoding='UTF-8', errors='ignore') as f:
                            results = x.get_text()
                            #print(results)
                            f.write(results + '\n')
PDF_path = '/Users/apple/Documents/ST/python/簡歷.pdf'


TXT_path = '/Users/apple/Documents/ST/python/簡歷.txt'

parsePDF(PDF_path, TXT_path)

 

解析後格式不對，需要調整